云知声冲刺科创板,科大讯飞的对手来了!__凤凰网

  • 日期:08-31
  • 点击:(640)


近日,北京证监局公布了云知声冲刺科创板的基本情况表。作为对标科大讯飞的国内语音识别领域高科技企业,云知声目前已获得7轮累计逾20亿元融资。恒大研究院最新发布的研究报告显示,目前云知声的估值为12亿美元。

8月1日,北京证监局公布了中金公司云智晟短跑板咨询的基本情况。 ,中金公司与云之声智能科技有限公司签订了上市咨询协议。具体内容显示,中金公司已将齐飞作为团队领导的9名员工,在短跑板前全面指导云之声的准备工作。

云之声的官方网站资料显示,该公司成立于2012年6月,专注于物联网的人工智能服务。它拥有完全自主的知识产权,是世界领先的智能语音识别AI技术公司之一。

作为国内语音识别独角兽公司,云智胜自成立以来已经获得7轮融资,融资总额超过20亿元。云之声也是迄今为止融资额最大的人工智能技术公司。恒大研究院最近公布的研究报告显示,云知声的估值为12亿美元。

估值12亿美元,又一个科大讯飞?

与人工智能领域的其他科技公司相比,由黄伟创立的云芝无疑是幸运的。虽然该公司在成立之初并未处于投资环境中,但在成立之后它一直处于开放状态。八年来,它吸引了国内知名投资机构的7轮融资,累计融资额超过20亿元。

云之声公司官方网站显示,该公司已获得四轮融资。其中,获得A轮融资的时间为2013年6月,融资资金为1亿元。这距离公司成立仅一年。紧接着在2014年12月,完成了5000万美元的B轮融资。一年后,在2015年12月,该公司又获得了数千万美元的B +轮融资。 2017年8月,它完成了近3亿元的C轮融资。

然而,这还不足以反映出资本对云之声的青睐。事实上,据投资界人士介绍,除了上述四轮融资外,云智晟还获得了另外三轮融资的祝福。具体来说,它包括2012年10月的天使轮融资1000万元,2018年5月完成的1亿美元融资以及2018年7月的6亿元融资。

其中,启明风险投资的投资更为关键。据公开资料显示,启明创投参与了云之胜A和B的两轮融资。在A轮融资中,启明创投与涩谷创业投资合作投资1亿元。在B轮融资中,启明创投与高通公司合作,投资5000万美元。作为国内知名老牌的投资机构,启明创投曾投出了数十起知名项目,并将这些项目一一送上A股。其在一级市场的投资动态,也颇受市场关注。

值得注意的是,除了启明风险投资,汉能投资等投资机构外,云智晟还获得了国家队的祝福。在最后一轮融资中,中国互联网投资基金,中金嘉诚和中国建设投资共投资6亿元人民币。这三个机构都非常成功。其中,中国互联网投资基金的战略出资企业包括中国工商银行、中国农业银行、中信国安、中国人寿、中国移动、中国联通、中国电信等国资企业;中金佳成是中国国际金融PE投资平台,中金的主要股东为中央汇金公司;中建投资本为建投华科投资股份有限公司旗下的私募基金管理公司。

AI独角兽是怎样炼成的?

Yunzhisheng赢得了许多知名机构的青睐,或者与公司所在的创始人和行业的经验有关。

公开信息显示,公司创始人兼CEO黄伟为中科大博士和上海交通大学生命科学技术学院博士后。2003年至2009年,就职于全球知名手机生产企业摩托罗拉,任摩托罗拉中国研究中心资深研究员。在此期间,黄伟开发出了世界第一款手机声纹认证系统。后出任盛大创新院核心高管,并创建了语音分院。

在他的生意开始时,黄伟在接受采访时表示,没有明确的方向。当时,国内市场正处于智能手机起飞的时候。那时,进行了语音识别。与BAT和中兴等行业的语音识别公司相比,云之胜没有优势。

不过,选取物联网作为突破口,却为云知声赢得了先机。黄伟说,在PC时代,主要的连接是计算机设备;在移动互联网时代,主要的连接是手机和平板电脑;在物联网时代,连接是空调,智能家居,电视,音响等设备。从现场来看,三者最大的区别在于PC和移动互联网需要通过触摸屏控制终端设备。在万物互联的时代,没有必要使用显示屏,但控制距离一般超过5米,远远有一个痛点。语音识别为物联网提供了更好的解决方案。

件。

随着物联网发展的突破,在资本的支持下,云之胜迅速建立了自己的“护城河”。根据云之声官方网站的信息,“护城河”的核心技术已经建立在语音识别,语义理解,语音合成,声纹识别和离线控制等领域,属于智能家居,智能领域。汽车,智能医疗,智慧教育等广泛使用。合作伙伴包括中国电信,英特尔,联想,华为,中国民生银行,海尔,格力,美的,平安博士,北京协和医院等众多知名企业。

与此同时,自2015年以来,云之声还制定了物联网的底层支持硬件芯片业务。在今年1月2日举行的“Cloud Knowing Sound 2019战略大会”上,Yun Zhisheng出现在Swift,Dolphin和Cheetah的研究筹码上。在新闻发布会上,黄伟表示,5G和人工智能的结合将真正促进AIoT的落地和实现。未来对大量多维数据(如语音,图像,视频等)的集中处理和基于边缘的分布式计算的需求将不可避免地进一步挑战AI底层硬件芯片的计算能力。因此,具有多维AI数据集中处理能力的多模AI芯片将是唯一的出路。